#####################   Aula 7

######### Altura na Infncia e Na Vida Adulta

dois.anos<- c(39,30,32,34,35,36,36,30)
adulto <- c(71,63,63,67,68,68,70,64)
######### 1 - Regresso da altura adulta em funo da de dois anos:
alt<- data.frame(dois.anos, adulto)
RL <- lm(adulto~dois.anos, data=alt)
anova(RL)
summary(RL)
## Sim,  significativa p=0,00038
######### 2 - Grfico de disperso com as linhas esperadas pela crena e a linha da regresso.
plot(alt$dois.anos, alt$adulto)
abline(RL, col="blue",lwd=2)
alt.crenca = 2*dois.anos #Linha do tamanho conforme a crena
RL.crenca = lm(alt.crenca~dois.anos)
abline(RL.crenca, col="blue", lwd=2)

######### 3 - Intervalos de confiana dos coeficientes
## I.C. dos coefs. do modelo 1
coef(RL)
confint(RL)
## I.C. dos coefs. do modelo 2
coef(RL.crenca)
confint(RL.crenca)

######### 4 - Resultados corroboram a crena?
## No, pois os coeficientes do modelo da crena, no esto contidos dentro dos intervalos de confiana
## da reta de regresso dos dados observados.

######### Seriemas e carcars

######### 1 - Correlao no avistamento de aves nas diferentes fisionomia ?

aves <- read.table(file="aves_cerrado.csv",header=TRUE, sep=";")
head(aves)
str(aves)
summary(aves)
## Corrigindo erros
aves$fisionomia[aves$fisionomia=="ce"]="Ce"
aves$fisionomia<- factor(aves$fisionomia,levels=c("CL","CC","Ce")) 
table(aves$fisionomia)
aves[is.na(aves)==TRUE] = 0
str(aves)
## Modelos
mod.CL = lm(seriema~carcara, data=aves, subset=(aves$fisionomia=="CL") )
mod.CC = lm(seriema~carcara, data=aves, subset=(aves$fisionomia=="CC") )
mod.Ce = lm(seriema~carcara, data=aves, subset=(aves$fisionomia=="Ce") )
## Regresses para cada modelo
 
anova(mod.CL)
coef(mod.CL)
summary(mod.CL)

anova(mod.CC)
coef(mod.CC)
summary(mod.CC)

anova(mod.Ce)
coef(mod.Ce)
summary(mod.Ce)

## Resposta: No foi observada nenhuma correlao significativa, nos modelos de avistamentos seriemas x carcars das
## diferentes fisionomias. CL: p=0.1045, CC: p=0.6454, Ce: p=0.2446.

########## 2 - Em todos os modelos foram observadas tendncias de correlao negativas, porm no significativas, pelos
coeficientes de inclinao das retas(mod.Ce=-0.1411600, mod.CL=-0.4507576, mod.CC=-0.08262712). No entanto, houve sobreposio
dos intervalos de confiana entre os modelos, portanto no se pode dizer que h diferenas nesta relao entre os modelos.

##########  Resduos de Iris
library(datasets) 
iris
str(iris)
########## 1 - Modelo para largura e comprimento da sepala de Iris setosa
setosa <- iris[iris$Species=="setosa",] ## separando a espcie I. setosa
lm.sepala <- lm(setosa$Sepal.Width ~ setosa$Sepal.Length)
plot(setosa$Sepal.Width ~ setosa$Sepal.Length)
abline(h=mean(setosa$Sepal.Width), col="red")
abline(lm.sepala, col="blue")
anova(lm.sepala)
## Resposta: H correlao linear entre as duas variveis, (p=6.71e-10)
########## 2 - Descontando o efeito do comprimento da ptala.
## Largura da spala ~ Comprimento da ptala
resid.1<- lm(setosa$Sepal.Width ~ setosa$Petal.Length)
resid.1
plot(setosa$Sepal.Width ~ setosa$Petal.Length,bty="l",pch=16)
abline(resid.1)
anova(resid.1)
residuos1<- residuals(resid.1)
residuos1
## Comprimento da spala ~ Comprimento da ptala
resid.2 <- lm(setosa$Sepal.Length ~setosa$Petal.Length)
resid.2
plot(setosa$Sepal.Width ~ setosa$Petal.Length,bty="l",pch=16)
anova(resid.2)
residuos2 <- residuals(resid.2)

sem.cop.pet <- lm(residuos1~residuos2)
plot(residuos1~residuos2,bty="l",pch=16,xlab="Resduos do modelo Comprimento spala ~ Comprimento ptala",ylab="Resduos do modelo Largura spala ~ Comprimento ptala")
abline(sem.cop.pet)
anova(sem.cop.pet) 
## Ao retirar o efeito dos comprimentos das ptalas no houve muita diferena no modelo, que continuou significativo, p=1.431e-09.